Buchumschlag

Self-Improving Interference Management Based on Deep Learning With Uncertainty Quantification

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lee, Hyun-Suk, Kim, Do-Yup, Min, Kyungsik
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Deep Learning-Based Survival Analysis with Copula-Based Activation Functions for Multivariate Response Prediction
von: Kim, Jong-Min, et al.
Veröffentlicht: (2025)

Uncertainty Quantification for Deep Learning
von: van Leeuwen, Peter Jan, et al.
Veröffentlicht: (2024)

A Survey on Uncertainty Quantification Methods for Deep Learning
von: He, Wenchong, et al.
Veröffentlicht: (2023)

Torch-Uncertainty: A Deep Learning Framework for Uncertainty Quantification
von: Lafage, Adrien, et al.
Veröffentlicht: (2025)

Are Uncertainty Quantification Capabilities of Evidential Deep Learning a Mirage?
von: Shen, Maohao, et al.
Veröffentlicht: (2024)

Improving Generalization and Uncertainty Quantification of Photometric Redshift Models
von: Soriano, Jonathan, et al.
Veröffentlicht: (2026)

GainAdaptor: Learning Quadrupedal Locomotion with Dual Actors for Adaptable and Energy-Efficient Walking on Various Terrains
von: Kim, Mincheol, et al.
Veröffentlicht: (2024)

A Cubing Strategy for Identifying Stable Hyperparameter Regions for Uncertainty Quantification in Spatial Deep Learning
von: Amouzou, Isaac, et al.
Veröffentlicht: (2026)

Can Uncertainty Quantification Improve Learned Index Benefit Estimation?
von: Yu, Tao, et al.
Veröffentlicht: (2024)

Uncertainty Quantification Metrics for Deep Regression
von: Lind, Simon Kristoffersson, et al.
Veröffentlicht: (2024)

Uncertainty Quantification for Motor Imagery BCI -- Machine Learning vs. Deep Learning
von: Suurmeijer, Joris, et al.
Veröffentlicht: (2025)

Post-Hoc Split-Point Self-Consistency Verification for Efficient, Unified Quantification of Aleatoric and Epistemic Uncertainty in Deep Learning
von: Zhao, Zhizhong, et al.
Veröffentlicht: (2025)

Uncertainty Quantification of Deep Learning for Spatiotemporal Data: Challenges and Opportunities
von: He, Wenchong, et al.
Veröffentlicht: (2023)

Uncertainty Quantification for Surface Ozone Emulators using Deep Learning
von: Doerksen, Kelsey, et al.
Veröffentlicht: (2025)

Using Uncertainty Quantification to Characterize and Improve Out-of-Domain Learning for PDEs
von: Mouli, S. Chandra, et al.
Veröffentlicht: (2024)

GNN's Uncertainty Quantification using Self-Distillation
von: Daneshvar, Hirad, et al.
Veröffentlicht: (2025)

Uncertainty Quantification for Deep Regression using Contextualised Normalizing Flows
von: Marco, Adriel Sosa, et al.
Veröffentlicht: (2025)

NeuralSurv: Deep Survival Analysis with Bayesian Uncertainty Quantification
von: Monod, Mélodie, et al.
Veröffentlicht: (2025)

Complex-Valued Unitary Representations as Classification Heads for Improved Uncertainty Quantification in Deep Neural Networks
von: Jafari, Akbar Anbar, et al.
Veröffentlicht: (2026)

Deep Learning-based Prediction of Clinical Trial Enrollment with Uncertainty Estimates
von: Do, Tien Huu, et al.
Veröffentlicht: (2025)

Uncertainty Quantification on Graph Learning: A Survey
von: Chen, Chao, et al.
Veröffentlicht: (2024)

Improving Label Error Detection and Elimination with Uncertainty Quantification
von: Jakubik, Johannes, et al.
Veröffentlicht: (2024)

Deep Out-of-Distribution Uncertainty Quantification via Weight Entropy Maximization
von: de Mathelin, Antoine, et al.
Veröffentlicht: (2023)

Probabilistic Skip Connections for Deterministic Uncertainty Quantification in Deep Neural Networks
von: Jimenez, Felix, et al.
Veröffentlicht: (2025)

Second-Order Uncertainty Quantification: Variance-Based Measures
von: Sale, Yusuf, et al.
Veröffentlicht: (2023)

Uncertainty Estimation by Flexible Evidential Deep Learning
von: Yoon, Taeseong, et al.
Veröffentlicht: (2025)

Streamflow Prediction with Uncertainty Quantification for Water Management: A Constrained Reasoning and Learning Approach
von: Gharsallaoui, Mohammed Amine, et al.
Veröffentlicht: (2024)

Multivariate and Online Transfer Learning with Uncertainty Quantification
von: Hickey, Jimmy, et al.
Veröffentlicht: (2024)

Total Uncertainty Quantification in Inverse PDE Solutions Obtained with Reduced-Order Deep Learning Surrogate Models
von: Wang, Yuanzhe, et al.
Veröffentlicht: (2024)

Distribution-Free Uncertainty Quantification in Mechanical Ventilation Treatment: A Conformal Deep Q-Learning Framework
von: Eghbali, Niloufar, et al.
Veröffentlicht: (2024)

Self-Supervised Laplace Approximation for Bayesian Uncertainty Quantification
von: Rodemann, Julian, et al.
Veröffentlicht: (2026)

Uncertainty Estimation by Density Aware Evidential Deep Learning
von: Yoon, Taeseong, et al.
Veröffentlicht: (2024)

Quantification of Uncertainties in Probabilistic Deep Neural Network by Implementing Boosting of Variational Inference
von: Bera, Pavia, et al.
Veröffentlicht: (2025)

Epistemic Wrapping for Uncertainty Quantification
von: Sultana, Maryam, et al.
Veröffentlicht: (2025)

Laplacian Segmentation Networks Improve Epistemic Uncertainty Quantification
von: Zepf, Kilian, et al.
Veröffentlicht: (2023)

CaliMatch: Adaptive Calibration for Improving Safe Semi-supervised Learning
von: Bae, Jinsoo, et al.
Veröffentlicht: (2025)

EMForecaster: A Deep Learning Framework for Time Series Forecasting in Wireless Networks with Distribution-Free Uncertainty Quantification
von: Mootoo, Xavier, et al.
Veröffentlicht: (2025)

Accurate Remaining Useful Life Prediction with Uncertainty Quantification: a Deep Learning and Nonstationary Gaussian Process Approach
von: Xu, Zhaoyi, et al.
Veröffentlicht: (2021)

Towards Uncertainty Quantification in Generative Model Learning
von: Morales, Giorgio, et al.
Veröffentlicht: (2025)

Lightning UQ Box: A Comprehensive Framework for Uncertainty Quantification in Deep Learning
von: Lehmann, Nils, et al.
Veröffentlicht: (2024)